Une IA a résolu un problème mathématique resté sans réponse depuis 40 ans : les chercheurs craignent leur métier

Certains scientifiques parlent d’un moment historique, d’autres redoutent une bascule irréversible. J’ai entendu plus d’un chercheur confier qu’il se sentait soudainement dépassé.

Une équation bloquée depuis quatre décennies

Le problème concernait une conjecture de combinatoire publiée dans les années 1980 et étudiée sans relâche par des équipes universitaires aux États-Unis, en Europe et au Japon. Des centaines d’articles avaient tenté de l’approcher, sans succès. L’impasse était devenue emblématique de la limite humaine face à la complexité croissante des mathématiques modernes.

L’intelligence artificielle conçue par DeepMind, filiale de Google déjà connue pour avoir battu les champions du jeu de go, a généré en moins de 48 heures une démonstration validée par des pairs. Pour comparaison, l’espérance moyenne donnée à une telle avancée était estimée à plusieurs décennies selon un rapport publié en 2019 par l’American Mathematical Society.

Des chercheurs pris de court

Dans les laboratoires universitaires, la réaction oscille entre émerveillement et inquiétude. Certains professeurs de Cambridge et du CNRS reconnaissent que le résultat est “impeccable”, mais admettent aussi craindre que leurs compétences ne soient rapidement marginalisées. Le contraste est fort : ce qui relevait autrefois d’une carrière entière a été balayé par un calcul automatique.

Un sondage interne mené auprès de 600 doctorants en mathématiques pures indique que 42 % envisagent désormais de réorienter leurs recherches vers des questions appliquées, plus difficiles à automatiser. Ce chiffre illustre le glissement silencieux qui s’opère au sein même des institutions académiques.

Un outil présenté comme collaboratif

DeepMind insiste sur la vocation complémentaire de son système. Selon ses concepteurs, l’IA n’est pas pensée pour remplacer les chercheurs mais pour augmenter leurs capacités. L’entreprise met en avant l’exemple du séquençage protéique : la même technologie avait permis en 2021 une avancée majeure en biologie structurale, aujourd’hui utilisée dans plus de 190 laboratoires pharmaceutiques.

Néanmoins, le vocabulaire choisi — “assistance”, “outil”, “collaboration” — peine à rassurer lorsque le logiciel réussit seul là où plusieurs générations avaient échoué.

L’impact potentiel sur l’enseignement et les carrières

Là où certains voient une libération intellectuelle — déléguer aux machines les tâches impossibles pour se concentrer sur l’intuition et la créativité — d’autres y lisent le risque d’une banalisation du rôle du chercheur. Les cursus universitaires devront probablement s’adapter rapidement.

Intelligence ArtificielleUne IA reconstitue la voix d’un écrivain disparu pour finir son dernier roman

Déjà, certaines facultés américaines testent des modules obligatoires où les étudiants apprennent à travailler avec ces IA comme on apprendrait à utiliser un logiciel statistique ou un langage informatique. Mais cette adaptation soulève des tensions : comment motiver des jeunes chercheurs si leurs découvertes sont systématiquement éclipsées ?

Les gagnants et les perdants immédiats

• Les grandes entreprises technologiques, qui consolident leur pouvoir grâce à ces percées exclusives.
• Les laboratoires pharmaceutiques et industriels, qui bénéficient immédiatement d’applications dérivées dans leurs recherches.
• Les chercheurs académiques indépendants, fragilisés par un accès limité aux mêmes ressources informatiques.
• Les étudiants, partagés entre fascination pour la puissance de l’outil et inquiétude quant au sens futur de leur métier.

Repères pratiques face à cette révolution

D’après les données publiées par DeepMind, l’équivalent énergétique nécessaire au calcul correspond à environ 200 heures d’utilisation de serveurs haute performance. Les coûts restent donc hors de portée pour une équipe académique standard sans financement externe significatif.

Pour ceux qui veulent suivre ou utiliser ces avancées sans moyens colossaux, plusieurs plateformes publiques existent déjà :

Certaines universités françaises rappellent également que des dispositifs publics comme le label Carnot ou le numéro RNCP pour formations spécialisées permettent déjà aux jeunes diplômés d’accéder à des financements ciblés afin d’apprendre à travailler avec ces nouvelles intelligences artificielles. Le paysage académique s’apprête donc à changer aussi vite que la résolution fulgurante qui vient tout déclencher.